吉林大学学报(信息科学版) ›› 2020, Vol. 38 ›› Issue (4): 419-427.
刘威,王从庆
LIU Wei,WANG Congqing
摘要: 由于sEMG( Surface Electromyography) 对肌肉疲劳、不同患者以及电极位移等都非常敏感,设计一种可
靠、鲁棒的智能手部康复设备仍然是一项艰巨的工作。为此,提出一种基于深度学习的康复手势神经解码方
法,利用患者前臂的表面肌电信号,通过卷积神经网络( CNN: Convolutional Neural Network) 识别患者的手部运
动意图。通过组合特征提取方法,对8 通道肌电信号每个通道的信号进行组合特征提取,组合特征包括小波包
分解能量特征、时域特征和频域特征共32 个特征。将8 个通道特征组成一个8 × 32 的数值矩阵并进行灰度处
理成特征图,再用此特征图训练卷积神经网络,对5 种不同手势进行分类,分类器准确率达到98. 1%。最后通
过STM32 I /O 口根据分类结果输出对应的PWM( Pulse Width Modulation) 控制信号控制康复手套的动作,表明
了该方法的可行性,为深入研究康复手套运动控制奠定了基础。
中图分类号: